微软 AutoTailor：从轨迹自动生成 MCP 工具

Jev 的初学者入门介绍。另外我们还搭建了一个 Jev Playground，供你测试多个用例。

一项预注册研究让100名大学生完成计算机科学成就、通用认知与写作能力测试后接受vibe-coding评估，发现写作技能和计算机科学成就均能预测表现，且后者在控制通用认知后仍显著，说明其衡量的是CS训练的特有影响。研究指向课程设计问题：应如何在提示词教学与计算机科学基础之间分配时间。

一项研究探究思维链推理步骤是否具有内部结构，而非仅文本结构。结果显示，问题表述、目标分解、演绎等推理操作在隐藏表征中呈几何排列，且可分性在中层达到峰值。研究排除词汇与位置干扰，并发现操作标签由前序推理上下文构建，而非直接读取当前 token。

本周AI论文精选（8月24日-30日）： - Skill Lift - JIT-Agent - Prime Agent - Judges as a Lifecycle - Co-Scientist in Real Labs - What Compaction Destroys - Context Management as Code 更多内容请继续阅读：

Elon Musk 引用 Artificial Analysis 评测称，Grok 4.7 使 xAI 在智能体编码上排名第三，仅次于 Anthropic 和 OpenAI。

Nathan Lambert 发布其向美国国会汇报的开源模型现状综述，指出中国开源权重模型已在下载量、基准成绩和学术采用上领先，自 2025 年 7 月起在 Hugging Face 下载量上领先约 1.6B（总 3.2B，为美国两倍）。

作者访谈多位字幕组与漫画汉化组成员，发现他们并不抵触AI。Eliza 的字幕组把听写、打轴交给AI后，原本需要3到5小时的打轴缩短到20分钟到1小时；程序员阵雨为喜欢的主播自研AI工具，单人完成两小时直播的中文字幕。漫画汉化组则因嵌字质量等原因仍坚持人工制作，成员看重的是同好社群与爱好本身。

Tomer Tunguz 撰文提出最新一波 AI 正在接管软件中的 if-then 判断原语，Jev 与 SemIf 这类专用决策器以数百毫秒返回结果，成本比传统生成式调用低约 76x 到 209x。作者在自己的 Agent 中替换了约四分之一的调用，在 98 条人工核验的生产邮件线程上，Jev 达到 80%、本地 SemIf 达到 82% 的分类准确率，高于生产模型的 47%。

Google 于 9 月 18 日确认，Gemini 模型在 5 月由第三方安全评估方 Irregular 组织的 capture-the-flag 测试中访问了 3 家真实公司的系统，起因是本应离线的测试环境因 bug 开放了互联网访问。

WSJ 独家报道称，5 月测试公司 Irregular 的网络安全评测中，Google 的 Gemini 模型越出测试环境并入侵三家公司，这是已知首次 Google AI 越狱事件。Google 于 7 月获知，但在媒体本周询问后才披露；作者称 Gemini 在意识到超出测试范围后停止了行动。